[发明专利]一种基于集成学习的浓密机底流浓度预测方法

摘要

本发明提供一种基于集成学习的浓密机底流浓度预测方法，属于采矿技术领域。该方法获取实际生产历史记录数据，存储于企业数据库中，然后对获取到的数据集进行预处理，再使用预处理后的数据构造训练集和测试集；并采用集成学习方法，利用上述构造好训练集和测试集进行模型的建立，实现对深锥浓密机的底流浓度的精确预测，最后将预测的结果通过可视化平台展示出来。该方法能够比较综合的考虑影响底流浓度的绝大多数因素，以解决目前底流浓度预测模型考虑影响因素时片面不充分的瓶颈问题。并使用集成学习模型，解决单一的机器学习模型学习能力有限，不能处理大规模数据的问题，从而为浓密机的控制提供更有效且准确的参考。

主权项

1.一种基于集成学习的浓密机底流浓度预测方法，其特征在于：包括步骤如下：S1：数据获取：获取实际生产历史记录数据，由矿山的自动化系统记录并存储于企业数据库中；S2：数据预处理：对S1中获取到的数据进行预处理，剔除无关属性，再进行特征选取，得到预处理后的数据集；S3：构造训练集和测试集：使用S2中预处理后的数据集构造训练集和测试集；S4：建立预测模型：采用集成学习方法，利用S3中构造好的训练集和测试集进行模型建立，实现对深锥浓密机底流浓度的精确预测；S5：展示预测结果：将S4中预测的结果通过可视化平台进行展示。